論文の概要: Multi-Level Barriers to Generative AI Adoption Across Disciplines and Professional Roles in Higher Education

• arxiv url: http://arxiv.org/abs/2603.27052v1
• Date: Fri, 27 Mar 2026 23:48:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:44.754547
• Title: Multi-Level Barriers to Generative AI Adoption Across Disciplines and Professional Roles in Higher Education
• Title（参考訳）: 高等教育における学際的・専門的役割を兼ね備えたAI導入のためのマルチレベルバリア
• Authors: Jianhua Yang, Kerem Öge, Adrian von Mühlenen, Abdullah Bilal Akbulut, Tanya Suzanne Carey, Chidi Okorro,
• Abstract要約: 本研究は,GenAI導入の障壁が構造的に生じるかどうかを考察する。 非STEM学者は、学術的完全性に関連する倫理的・文化的障壁を報告している。 STEMとPSSのスタッフは、制度、ガバナンス、インフラの制約を不均等に強調している。
• 参考スコア（独自算出の注目度）: 0.9029362093259956
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative Artificial Intelligence (GenAI) is rapidly reshaping higher education, yet barriers to its adoption across different disciplines and institutional roles remain underexplored. Existing literature frequently attributes adoption barriers to individual-level factors such as perceived usefulness and ease of use. This study instead investigates whether such barriers are structurally produced. Drawing on a multi-method survey analysis of 272 academic and professional services (PSs) staff at a Russell Group university, we examine how disciplinary contexts and institutional roles shape perceived barriers. By integrating multinomial logistic regression (MLR), structural equation modelling (SEM), and semantic clustering of open-ended responses, we move beyond descriptive accounts to provide a multi-level explanation of GenAI adoption. Our findings reveal clear, systematic differences: non-STEM academics primarily report ethical and cultural barriers related to academic integrity, whereas STEM and PSs staff disproportionately emphasize institutional, governance, and infrastructure constraints. We conclude that GenAI adoption barriers are deeply embedded in organizational ecosystems and epistemic norms, suggesting that universities must move beyond generalized training to develop role-specific governance and support frameworks.
• Abstract（参考訳）: ジェネレーティブ・人工知能(GenAI)は、高等教育を急速に改革している。 既存の文献は、有用性や使いやすさなど、個々のレベルの要因に採用障壁があることが多い。 この研究は、そのような障壁が構造的に生み出されているかどうかを調査する。 本稿では,Russell Group大学における272人の学術・専門職スタッフを対象に,学際的文脈と制度的役割が障壁を形作るかを検討した。 多項ロジスティック回帰(MLR)、構造方程式モデリング(SEM)、オープンな応答のセマンティッククラスタリングを統合することで、我々はGenAI導入のマルチレベル説明を提供するために記述的アカウントを超えて移動する。 非STEM学者は、主に学術的整合性に関連する倫理的・文化的障壁を報告し、一方、STEMとPSSのスタッフは制度的・統治的・インフラ的制約を強調している。 我々は、GenAI導入障壁が組織生態系や疫学の規範に深く浸透していると結論付け、大学は、役割固有のガバナンスとサポートフレームワークを開発するために、一般教育を超えて進まなければならないことを示唆している。

関連論文リスト

• From School AI Readiness to Student AI Literacy: A National Multilevel Mediation Analysis of Institutional Capacity and Teacher Capability [7.400138068424031]
  本研究は,学校レベルのAI能力が学生のAIリテラシーとどのように結びついているかを調べる,2-2-1クロスレベルメディエーションフレームワークを開発し,検証する。 全国156,125人の教員,2,379,546人の学生を対象に,1,007の職業施設の関連調査データを用いて,多段階モデルを用いて直接的,間接的,文脈的効果を推定した。
  論文  参考訳（メタデータ） (2026-03-20T15:38:30Z)
• A Survey of Reasoning in Autonomous Driving Systems: Open Challenges and Emerging Paradigms [49.66022971508878]
  私たちは、推論はモジュラーコンポーネントからシステムの認知コアに高めるべきだと論じています。 応答性推論のトレードオフやソーシャルゲーム推論など,7つの中核的推論課題を導出し,体系化する。 我々は,LLMに基づく推論と,ミリ秒スケールで安全クリティカルな車両制御の要求との間の,高レイテンシ,熟考的特性の根本的かつ未解決な緊張関係を同定する。
  論文  参考訳（メタデータ） (2026-03-11T07:40:53Z)
• Evolutionary Reinforcement Learning based AI tutor for Socratic Interdisciplinary Instruction [21.65910532497379]
  本稿では,この領域に適した進化強化学習(ERL)フレームワークであるERL4SIIPを提案する。 ERL4SIIPは,(1)潜時状態モデリングのためのSTEM知識グラフに基礎を置く動的学生シミュレータ,(2)長距離目標を高密度信号に分解する階層的リワード機構,(3)LoRA-Divisionに基づく最適化戦略を統合する。
  論文  参考訳（メタデータ） (2025-12-12T02:51:27Z)
• Beyond Automation: Socratic AI, Epistemic Agency, and the Implications of the Emergence of Orchestrated Multi-Agent Learning Architectures [0.0]
  ジェネレーティブAIはもはや高等教育における周辺ツールではない。 本稿では,ソクラティックAIテュータの評価実験から得られた知見について述べる。 テューターを使用する学生は、批判的、独立的、反省的な思考に対する大きな支持を報告した。
  論文  参考訳（メタデータ） (2025-08-07T07:49:03Z)
• A Survey of Frontiers in LLM Reasoning: Inference Scaling, Learning to Reason, and Agentic Systems [93.8285345915925]
  推論(Reasoning)は、論理的推論、問題解決、意思決定を可能にする基本的な認知プロセスである。 大規模言語モデル(LLM)の急速な進歩により、推論は高度なAIシステムを区別する重要な能力として浮上した。 我々は,(1)推論が達成される段階を定義するレジーム,(2)推論プロセスに関与するコンポーネントを決定するアーキテクチャの2つの側面に沿って既存の手法を分類する。
  論文  参考訳（メタデータ） (2025-04-12T01:27:49Z)
• Advancing Education through Tutoring Systems: A Systematic Literature Review [3.276010440333338]
  本研究は,知能学習システム (ITS) とロボット学習システム (RTS) を包含した学習システムの変革的役割を体系的にレビューする。 この発見は、適応性、エンゲージメント、学習結果を向上するAI技術の著しい進歩を示している。 この研究は、ITSとRTSの相補的な強みを強調し、教育効果を最大化するために統合されたハイブリッドソリューションを提案する。
  論文  参考訳（メタデータ） (2025-03-12T18:47:07Z)
• To accept or not to accept? An IRT-TOE Framework to Understand Educators' Resistance to Generative AI in Higher Education [0.0]
  本研究は,教育者が教室で生成人工知能を採用するのを防ぐ障壁を実証的に予測する理論モデルを開発することを目的とする。 我々のアプローチは、IRT(Innovation resistance Theory)フレームワークに基づいており、TOE(Technology-Organization-Environment)フレームワークの構成要素を拡張しています。
  論文  参考訳（メタデータ） (2024-07-29T15:59:19Z)
• Investigating Bi-Level Optimization for Learning and Vision from a Unified Perspective: A Survey and Beyond [114.39616146985001]
  機械学習やコンピュータビジョンの分野では、モチベーションやメカニズムが異なるにもかかわらず、複雑な問題の多くは、一連の密接に関連するサブプロトコルを含んでいる。 本稿では,BLO(Bi-Level Optimization)の観点から,これらの複雑な学習と視覚問題を一様に表現する。 次に、値関数に基づく単一レベル再構成を構築し、主流勾配に基づくBLO手法を理解し、定式化するための統一的なアルゴリズムフレームワークを確立する。
  論文  参考訳（メタデータ） (2021-01-27T16:20:23Z)
• Distributed and Democratized Learning: Philosophy and Research Challenges [80.39805582015133]
  民主化学習(Dem-AI)という新しいデザイン哲学を提案する。 ヒトの社会的グループに触発され、提案されたDem-AIシステムの学習エージェントの専門グループは階層構造で自己組織化され、より効率的に学習タスクを遂行する。 本稿では,様々な学際分野に触発された未来のDem-AIシステムを実現するためのガイドラインとして,参照設計を提案する。
  論文  参考訳（メタデータ） (2020-03-18T08:45:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。